R语言回归模型预测绘图plot,predict,回归诊断，模型评价

model使用lm,glm线性模型拟合结果

model <- lm(y ~ x....)

做出点与预测函数的曲线

>plot(x,y)
>lines(x,predict(model))

当评价模型的适用性时，你可以绘制初始响应变量的预测值与残差的图形。例如，如下代码，可绘制一个常见的诊断图：

#model使用lm,glm线性模型拟合结果
 >plot(predict(model,type = "response"),residuals(model,type = "deviance"))

R将列出帽子值（hat value）、学生化残差值和Cook距离统计量的近似值。不过，对于识别异常点的阈值，现在并没统一答案，它们都是通过相互比较来进行判断。其中一个方法就是绘制各统计量的参考图，然后找出异常大的值。例如，如下代码可创建三幅诊断图:

> plot(hatvalues(model))
> #identitfy是交互函数
> identify(1:n,hatvalues(model),names(hatvalues(model)))

图中标注的两个点是identity函数交互得到，显示结果是（fitted(model) 里值1775，800的点）

> plot(rstudent(fit.full))
> identify(1:n,rstudent(fit.full),names(rstudent(fit.full)))

>plot(cooks.distance(fit.full))
>identify(1:n,cooks.distance(fit.full),cooks.distance(fit.full))

你还可以用其他方法，代码如下：
它可以创建一个综合性的诊断图。在后面的图形中，横轴代表杠杆值，纵轴代表学生化残差
值，而绘制的符号大小与Cook距离大小成正比。

>library(car)
>influencePlot(model)